继续请教问题:关于 Pytorch 的 Autograd

雷达

  u0 G& X: [3 W0 c, k
为预防老年痴呆，时不时学点新东东玩一玩。
. ?5 z) d, H! J7 tPytorch 下面的代码做最简单的一元线性回归：
( k) U! D3 C+ X6 g" d1 x- m, m% ^----------------------------------------------
' C( S3 P& X1 d/ Y$ B5 nimport torch
import numpy as np
import matplotlib.pyplot as plt
+ F* a. k! l9 \import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 d1 @7 ^4 x6 ]$ a4 H$ `b = torch.tensor(0.,requires_grad=True)

' K6 \# V2 Q$ Z1 Pepochs = 100

losses = []
/ n. A. g% F3 |+ e2 O) mfor i in range(epochs):
: ~8 o4 o& b* M  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
0 V) z. Y2 \2 Y* O% u+ t4 |/ i  losses.append(loss)
7 \+ [; g. V6 e! ]* |  
/ x* E% b+ l9 ]9 |( Y$ B' I+ Z' @  loss.backward() # autograd
) p& W$ l$ I; W; o  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
- K3 J2 V( i% Q5 m' r% M: t0 O1 T    b  -= b.grad*0.0001    # 回归 b
. C/ y2 I! _- y- Z: k/ R% b  w.grad.zero_()  
  b.grad.zero_()
3 t% ]  ?( W( @* n
: g; n1 x( I: }" Gprint(w.item(),b.item()) #结果

/ G) y; `* s0 r; wOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 q& g) O$ ^0 e% a最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
$ s5 W5 r* s1 m" S

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
6 y& s  ]+ _+ B$ |7 I不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
6 J( p' y0 v9 w没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
5 q( c4 P: H. r  J% O-------
不好意思， ...

0 w0 y8 P  g/ d谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

7 A- \9 S( X' @& g' I

雷达 发表于 2023-2-14 21:52
( B5 X/ a! X  H# F/ c7 T8 k谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

- w7 _: y8 F6 @9 v$ M; |1 r. r% J
+ A3 h+ P9 u0 z% S( B* Q  ?5 ^刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
4 Y# N0 o: F* J% R5 X2 p# ^
- `# P8 V, l- B7 S: M2 @5 p# g或者把b但的起点改为1试试。

雷达

  O& R/ H! J# b' n1 B" Q1 Y  F3 `

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。 ...

/ q* T" M/ I1 Z2 R$ J你是对的。
1 T; I/ |  }- J+ B* N- c8 E去掉了随机部分
* h+ G$ M) W3 ^, S) u& x/ f#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
; B- o: g! ^: D& B5 M) j
$ k! W# r3 H: A# |循环次数加成10倍，就看到 b 收敛了
w , b
3 w0 g+ @4 v4 g9 v8 A7 n: S27.002620697021484 14.826167106628418
8 W) R: o% w" U5 e0 r% B# ]
1 T8 D0 v& b! J* g" |1 y( R和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。